Din punct de vedere fonetic există cel puțin două încercări de definire a silabei astfel, încât să fie valabilă pentru toate limbile. Una dintre ele este făcută din punctul de vedere al efortului de articulare, care pornește de la faptul că expirația se face în impulsuri. Pe această bază, după psihologul Raymond Herbert Stetson (1892–1950), o silabă corespunde unei creșteri bruște a presiunii aerului expirat Alții exprimă aceasta spunând că silaba este un grup de sunete pronunțate odată cu o expirație, sau că silaba este o „parte dintr-un cuvânt care se rostește cu o singură emisiune a vocii; cea mai mică tranșă fonică susceptibilă de a fi caracterizată printr-un singur accent”. În multe cazuri, aceasta se poate simți și măsura ușor, mai ales în vorbirea bine articulată, dar greu, de exemplu într-un cuvânt ca englezescul going „mergând” care este bisilabic, dar în mod obișnuit se pronunță cu un singur efort.
Tot din punct de vedere fonetic, dar din cel al audiției, definiția silabei se bazează pe faptul că în seria sunetelor, unele au o sonoritate mai mare decât altele, adică toate fiind pronunțate cu aceeași forță, unele sunt auzibile la o distanță mai mare decât altele. Primele ating valori maxime („vârfuri”) de sonoritate, celelalte – valori minime („văi”), și fiecare vârf corespunde unei silabe. Ca și abordarea precedentă, nici aceasta nu exprimă clar cum se poate identifica limita dintre silabe.
Din punct de vedere fonologic se încearcă de asemenea definirea silabei, insistându-se asupra modului cum se combină sunetele într-o limbă dată pentru a forma segmente tipice.
Elementul principal al silabei este un sunet numit nucleu.
